Алексей Любавин, «АСКО-СТРАХОВАНИЕ», об участии в конкурсе «Проект Года»

ПАО «АСКО-СТРАХОВАНИЕ» и SAS разработали систему аналитической тарификации КАСКО на основе комплекса моделей машинного обучения. О том, как внедрение этого проекта поможет страховой компании нарастить объем продаж и улучшить качество клиентского портфеля, рассказал первый заместитель генерального директора «АСКО-СТРАХОВАНИЕ», директор по страхованию Алексей Любавин.

Учитывая, что этот год многое поменял на всех рынках, что пришлось изменить в вашей компании, чтобы сохранить стабильные позиции на рынке?

На самом деле страховым компаниям было чуть легче, чем остальным, потому что с первого дня регулятор разрешил нам работать полноценно, сделал для нас исключение, почти как для системообразующих предприятий. Поэтому были регионы, где мы вообще не закрывались и все бизнес-процессы работали в прежнем режиме. Но в то же время в некоторых регионах был введен жёсткий локдаун. И вот там, конечно, пришлось перестраивать свои отношения с клиентами, все бизнес-процессы с учетом «удаленки». В целом этот процесс прошел достаточно гладко. Мы технически были готовы к этому, поэтому особых проблем не возникло.

Расскажите о концепции, целях и задачах реализованного проекта. Как пришла идея тарифицировать КАСКО при помощи машинного обучения?

В страховании всегда действует общий принцип: здоровые платят за больных. К примеру, застраховалось десять человек, один заболел, и деньги остальных девяти пошли на лечение этого одного. Но этот базовый принцип создаёт проблемы для тех клиентов, у которых меньше вероятность будущих убытков. Если говорить о КАСКО, представим себе конкретного клиента, который ездит очень аккуратно, но по ряду параметров попадает в группу с высокими тарифами. Самый яркий пример - молодёжь, считается, что они ездят хуже, так как ещё не научились вождению. Но на самом деле не все молодые водители одинаковые. Однако, попав в эту группу в силу своего возраста, наш аккуратный клиент вынужден платить за страховку по повышенному тарифу.

Поэтому мы ищем все возможности для того, чтобы клиентам, у которых вероятность убытков ниже (а они самые интересные для всех страховых компаний), сделать справедливый тариф. Мы добиваемся этого разными способами. Есть, например, страхование с телематикой, где специальный прибор следит за манерой вождения человека. Если он ездит аккуратно, ему начисляют скоринговые баллы и он платит за страховку меньше. Есть еще один момент - такие люди настолько редко попадают в аварии, что в какой-то момент начинают думать: а зачем я вообще плачу за страховку каждый год? Соответственно, мы теряем их как клиентов, они просто перестают страховаться. Справедливое формирование тарифа – один из способов их удержать.

С другой стороны, есть клиенты с настолько рискованной манерой вождения, что компании имеет смысл от него либо отказаться, либо повысить тариф (конечно, в случае, когда речь идет о добровольном страховании). Если мы этого не сделаем, то на выплаты этому клиенту пойдут деньги других клиентов, что несправедливо. Поэтому внедряя этот проект, мы решали тройную задачу. С одной стороны, дать возможность купить страховку по более низкому тарифу хорошим клиентам, с другой - увеличить тариф клиентам более рисковым. Третья цель - совсем исключить из категории наших клиентов каких-то «паразитов».

Удалось ли это сделать при помощи этого проекта?

Сегодня этот проект реализован на первом этапе - это исследовательская часть, мы считаем его самостоятельным проектом. Нашим партнёрам из SAS удалось доказать на наших же исторических данных, что эти гипотезы могут быть реализованы с помощью машинного обучения. Новая система тарификации КАСКО при оценке клиента берет в расчет не только крупные параметры, как обычно (возраст, стаж, количество аварий и т.д.), но и большое количество других признаков. И в итоге выдает заключение: вот этому клиенту можно сделать скидку, а вот этому, наоборот, стоит поднять тариф. Исследовательская часть выполнена достаточно ёмко, на большом количестве исторических данных. Мы уже сейчас видим, что подтверждается гипотеза, с которой мы входили в проект: реализация этой технологии, с одной стороны, увеличит объём продаж (за счет роста клиентского потока в связи с низкими тарифами для «хороших» клиентов) , а с другой стороны,  улучшит качество страхового портфеля.

Какие данные берутся в расчёт при оценке клиента?

Когда мы заключаем договор страхования, мы анализируем много разных параметров. В страховом сообществе всегда идут споры, насколько тот или иной фактор влияет на будущую аварийность. Дело доходит даже до цвета машины, считается, что, например, жёлтые автомобили притягивают внимание других водителей, из-за этого они чаще попадают в аварии. Я не совсем профессионал в машинном обучении, я скорее выступаю как заказчик от страховой компании, но могу привести пример, как я это понимаю. Условно говоря, страховать зелёные Renault Logan 2007 года выпуска не надо. Но если владельца зовут Александр Петрович и он живёт в городе Воронеж, то можно.

Что было самым сложным при реализации проекта, и как команда преодолевала эти трудности?

Самым сложным было поверить в результаты. Когда нам делали презентацию итогов проекта, получалась очень радужная картина. Мы провели несколько острых встреч, на которых всячески пытались задавать неудобные вопросы разработчикам, но получили исчерпывающие ответы на все наши вопросы.

Вы отметили, что сейчас реализована только первая стадия проекта. А какие у вас ожидания по итогам, когда вся система будет запущена в действие?

Мы активно к этому готовимся, потому что нужны и с нашей стороны определённые работы, они идут параллельно. Мы уже начали этап внедрения и рассчитываем закончить его в марте-апреле будущего года, причём наша внутренняя инфраструктура тоже будет готова к этому времени, поэтому мы рассчитываем на быстрый запуск. Понятно, что показатели качества портфеля одномоментно не изменятся, потому что договоры у нас имеют годовой цикл. Изменения будут происходить в течение года после внедрения. С точки зрения прироста продаж, если всё будет работать так, как мы определили на исследовательском этапе, то мы должны эффект почувствовать сразу.

На проекты в каких номинациях конкурса «Проект года» вы обращаете самое большое внимание, и с чем связан ваш интерес именно к этому направлению?

Пандемия ещё больше подстегнула интерес ко всем вопросам, связанным с цифровизацией и искусственным интеллектом. Последнее время этот тренд идёт во всех отраслях, при этом государство стимулирует ускорение работ по этим направлениям. Но на этом пути попадается много шарлатанов. Поэтому нам с одной стороны интересно всё, что предлагается на рынке. С другой - многое приходится отсеивать.

Основной вопрос, который нас интересует - это как сделать страхование для нас более прибыльным и улучшить сервис клиентам. Сейчас на страховом рынке, особенно в автостраховании, сложилась такая ситуация, когда страховые продукты похожи друг на друга, различия заключаются в небольших деталях. Сервис тоже находится плюс-минус на одном уровне. Найти, как сделать клиентский сервис более удобным и как позволить себе развиваться и масштабироваться без риска ухудшить свои финансовые показатели - это взаимосвязанные вопросы. Например, всё может быть замечательно с клиентским сервисом, но ты формируешь некачественный страховой портфель и через несколько лет понимаешь, что уже не можешь продолжать свою деятельность. Либо наоборот, удалось собрать отличный клиентский портфель по качеству, финансовым показателям, но у тебя плохой сервис. Поэтому клиенты понемногу начинают уходить. И на самом деле по многим направлениям сейчас на рынке появляются интересные разработки, направленные на решение этих задач.       

Комментировать и голосовать за проект можно по ссылке: